[發(fā)明專利]基于特征學(xué)習(xí)的短答案自動評分方法、系統(tǒng)及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201811355345.3
• 申請日: 2018-11-14
• 公開（公告）號: CN109670168B
• 公開（公告）日: 2023-04-18
• 發(fā)明（設(shè)計）人: 朱佳;倫家琪;肖菁;余偉浩
• 申請（專利權(quán)）人: 華南師范大學(xué)
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F40/30;G06F16/35;G06N3/0464;G06N3/0442;G06N3/045;G06N3/08
• 代理公司: 廣州嘉權(quán)專利商標(biāo)事務(wù)所有限公司 44205
• 代理人: 胡輝

1.基于特征學(xué)習(xí)的短答案自動評分方法，其特征在于：包括以下步驟：

對短答案的問題、標(biāo)準(zhǔn)答案以及回答答案進行分詞操作，生成詞序列；

對詞序列進行向量化表示，生成映射矩陣；

對映射矩陣進行詞語級別的特征抽取，生成詞語特征；所述詞語級別的特征包括詞語重疊特征、問題類型特征及回答答案和標(biāo)準(zhǔn)答案之間的相似詞性標(biāo)記；

對由映射矩陣提取得到的短答案的問題的語義特征向量、標(biāo)準(zhǔn)答案的語義特征向量和回答答案的語義特征向量進行向量運算特征轉(zhuǎn)換，生成句子特征；

根據(jù)詞語特征和句子特征，通過深度學(xué)習(xí)分類器模型預(yù)測短答案的文本類別；

基于文本類別與分值的映射關(guān)系，確定短答案的分?jǐn)?shù)。

2.根據(jù)權(quán)利要求1所述的基于特征學(xué)習(xí)的短答案自動評分方法，其特征在于：所述對詞序列進行向量化表示，生成映射矩陣這一步驟，包括以下步驟：

通過文本分類器訓(xùn)練詞語庫；

根據(jù)訓(xùn)練好的詞語庫，對詞序列中的每個詞語進行多維向量化表示，生成映射矩陣。

3.根據(jù)權(quán)利要求1所述的基于特征學(xué)習(xí)的短答案自動評分方法，其特征在于：所述標(biāo)準(zhǔn)答案的語義特征向量的確定過程，其具體為：

通過Bi-LSTM神經(jīng)網(wǎng)絡(luò)對標(biāo)準(zhǔn)答案的映射矩陣進行運算，生成標(biāo)準(zhǔn)答案的語義特征向量；

所述通過Bi-LSTM神經(jīng)網(wǎng)絡(luò)對標(biāo)準(zhǔn)答案的映射矩陣進行運算，生成標(biāo)準(zhǔn)答案的語義特征向量這一步驟，包括以下步驟：

通過第一LSTM單元，基于第一順序?qū)τ成渚仃囍械脑~語進行處理，得到第一輸出；

通過第二LSTM單元，基于第二順序?qū)τ成渚仃囍械脑~語進行處理，得到第二輸出；

對第一輸出和第二輸出進行拼接處理，得到第三輸出；

通過最大池化算法對第三輸出進行下采樣處理，得到標(biāo)準(zhǔn)答案的語義特征向量。

4.根據(jù)權(quán)利要求1所述的基于特征學(xué)習(xí)的短答案自動評分方法，其特征在于：還包括對訓(xùn)練數(shù)據(jù)進行增強這一步驟。

5.根據(jù)權(quán)利要求4所述的基于特征學(xué)習(xí)的短答案自動評分方法，其特征在于：所述對訓(xùn)練數(shù)據(jù)進行增強這一步驟，包括以下步驟：

獲取短文本的問題和標(biāo)準(zhǔn)答案；

根據(jù)短文本的問題和標(biāo)準(zhǔn)答案，逐一對回答答案進行評分；

若回答答案的得分為滿分，則將所述回答答案作為標(biāo)準(zhǔn)答案，并返回執(zhí)行根據(jù)短文本的問題和標(biāo)準(zhǔn)答案，逐一對回答答案進行評分這一步驟，直至所有回答答案遍歷結(jié)束。

6.基于特征學(xué)習(xí)的短答案自動評分系統(tǒng)，其特征在于：包括：

分詞模塊，用于對短答案的問題、標(biāo)準(zhǔn)答案以及回答答案進行分詞操作，生成詞序列；

向量化模塊，用于對詞序列進行向量化表示，生成映射矩陣；

詞語特征抽取模塊，用于對映射矩陣進行詞語級別的特征抽取，生成詞語特征；所述詞語級別的特征包括詞語重疊特征、問題類型特征及回答答案和標(biāo)準(zhǔn)答案之間的相似詞性標(biāo)記；

句子特征抽取模塊，用于對由映射矩陣提取得到的短答案的問題的語義特征向量、標(biāo)準(zhǔn)答案的語義特征向量和回答答案的語義特征向量進行向量運算特征轉(zhuǎn)換，生成句子特征；

預(yù)測模塊，用于根據(jù)詞語特征和句子特征，通過深度學(xué)習(xí)分類器模型預(yù)測短答案的文本類別；

評分模塊，用于基于文本類別與分值的映射關(guān)系，確定短答案的分?jǐn)?shù)。

7.基于特征學(xué)習(xí)的短答案自動評分系統(tǒng)，其特征在于：包括：

至少一個處理器；

至少一個存儲器，用于存儲至少一個程序；

當(dāng)所述至少一個程序被所述至少一個處理器執(zhí)行，使得所述至少一個處理器實現(xiàn)如權(quán)利要求1-5中任一項所述的基于特征學(xué)習(xí)的短答案自動評分方法。

8.一種存儲介質(zhì)，其中存儲有處理器可執(zhí)行的指令，其特征在于：所述處理器可執(zhí)行的指令在由處理器執(zhí)行時用于執(zhí)行如權(quán)利要求1-5中任一項所述的基于特征學(xué)習(xí)的短答案自動評分方法。